我想计算在xarray.DataArray的时间维度上拟合的统计分布的参数 .
我想创建一个类似于以下内容的函数：
from scipy import stats
import xarray as xr
def fit(arr):
return xr.apply_ufunc(stats.norm.fit, arr, ...)
返回一个新的DataArray，存储在时间维度上计算的分布的两个参数 . 因此，如果输入具有维度（时间，纬度，经度），则拟合将返回具有维度（params，lat，lon）的DataArray . 下一步是使用这些参数来计算各种百分位数（例如stats.norm.ppf） .
在许多不成功的试验之后，我怀疑apply_ufunc是否支持这个用例，我宁愿使用
params = np.apply_along_axis(stats.norm.fit, arr.get_axis_num('time'), arr.data)
然后手动创建DataArray，复制尺寸和属性 .
思考？建议？
这是我最终做的事情，感觉有点像黑客：
# Fit the parameters (lazy computation)
data = dask.array.apply_along_axis(dc.fit, arr.get_axis_num('time'), arr)
# Create a DataArray with the desired dimensions to copy them over to the parameter array.
mean = arr.mean(dim='time', keep_attrs=True)
coords = dict(mean.coords.items())
coords['dparams'] = ([] if dc.shapes is None else dc.shapes.split(',')) + ['loc', 'scale']
out = xr.DataArray(data=data, coords=coords, dims=(u'dparams',) + mean.dims)
out.attrs = arr.attrs
1 回答
Dask数组包含apply_along_axis的类似物，可能是最明显的起点 . 请注意，具有块设置的xarray的每个变量都会自动在
.data属性中封装dask数组 . 您甚至可以直接传递xarray变量 .